短期负荷预测理论

电力系统短期负荷预测

清华大学电机系

北京清软创新科技有限公司

罗欣

2009年7月1内容提要短期负荷预测算法分析短期负荷预测概述负荷预测分类和基本原则重要的预测策略2内容提要短期负荷预测算法分析短期负荷预测概述负荷预测分类和基本原则重要的预测策略3基于雷达图的负荷预测分类方法4负荷预测的基本分类预测对象系统负荷预测母线负荷预测小地区负荷预测线路负荷预测负荷预测基本分类预测时间长期负荷预测（一年到几年）中期负荷预测（数周到一年）短期负荷预测（一天到数周）超短期负荷预测（几小时到一天）5基本原则基本原则全面性原则延续性原则相似性原则统计规律性原则6基本原则

1全面性原则

预测量的历史行为中包含了一切信息。序列预测技术依据全面性原则，改变了建模的角度，单纯从预测量自身的历史行为出发，也是有可能找到其内在的、隐蔽的规律

2延续性原则

延续性原则相当于物理学中的“惯性定理”，惯性实际上反映的是系统“势”的大小。系统越大，“势”越大，表现出的惯性就越大，预测量的历史行为对未来的影响越大，应用外推预测技术得到的精度越高。

7基本原则

3相似性原则

在相同的背景下，预测量会体现出与历史量相同的规律，例如各年春节期间的日负荷曲线往往表现出彼此相同、但与其它日负荷曲线完全不同的形态。这就是相似性原则。

4统计规律性原则

预测量的历史行为中必然包含着一定的随机因素，即具有某种统计规律性。预测量的这种统计规律性是应用概率论与数理统计的理论和方法进行预测的基础8负荷预测应遵循的理念“近大远小”原则含义：物理量未来的变化趋势更多地取决于历史时段中近期的发展规律，远期的历史数据与未来发展趋势的相关性较弱常规预测：各时段拟合残差同等对待处理思路：区别对待各时段的拟合残差，近期的发展规律应该得到更好地拟合，远期历史数据的拟合程度可以稍低方法：加权参数估计优点：更好地体现惯性规律9负荷预测应遵循的理念重视负荷成因分析现状：负荷预测研究工作忽视对负荷自身规律性的挖掘，过于关注各种算法，失去了电力系统的特色。解决途径：从电力系统的角度，重视负荷发展的内在规律，从物理特性研究其变化规律。10负荷预测应遵循的理念负荷预测中相关因素的考虑主要影响因素日类型温度湿度天气类型等11负荷预测应遵循的理念综合模型的应用背景可供选择的模型多种多样，如何寻找适合本地区发展规律的模型负荷发展的自然规律难以用单一模型描述解决途径：建立综合模型，利用最大信息在几种预测方法中进行比较，选择拟合优度最佳或标准离差最小的预测模型作为最优模型进行预测。将几种预测方法所得的预测结果，选取适当的权重进行加权平均形成综合最优模型。12预测的基本流程回归模式识别智能算法……一次预测偏差步长二次预测反馈修正已知信息外推规律未知负荷历史负荷历史气象未来气象运行方式……13负荷预测基本步骤确定预测目标与预测内容收集相关历史资料基础资料信息分析预测模型和方法的选择和取舍数据预处理模型参数辨识评价模型应用模型进行预测预测结果评价与分析14内容提要短期负荷预测算法分析短期负荷预测概述负荷预测分类和基本原则重要的预测策略15短期负荷预测的重要意义系统短期发电计划的制定

——最重要的参考条件电网安全——电力实时平衡性市场条件下电网运行的经济性整个系统的运行成本电网公司的购电成本16基本概念说明什么是负荷预测：负荷预测值=f（历史负荷，历史相关因素，未来的相关因素）短期负荷数据类型：日特征量（最大负荷，最小负荷……）96点负荷短期算法的数据分类历史数据虚拟预测数据实际预测数据17短期负荷预测特点周期性不同日之间24小时整体变化规律的相似性不同周、同一星期类型日的相似性工作日、休息日各自的相似性不同年度节假日的相似性季节性：负荷规律明显不同18短期负荷预测的基本流程确定数据对象基础数据分析和预处理负荷预测结果的整理和校验相关因素的考虑和负荷修正历史数据规律性分析和外推基础信息数据库（负荷、相关因素）19内容提要短期负荷预测算法分析短期负荷预测概述负荷预测分类和基本原则重要的预测策略20负荷预测算法分析负荷预测的方法分类负荷预测算法的机理分析研究的新进展21短期预测的方法分类节假日预测和非节假日预测节假日单独预测的原因正常日负荷预测算法新息和非新息算法信息实效性，主要针对传统外推算法负荷预测的延续性原则22正常日预测的基本思路23节假日预测基本思路24新息和非新息算法的区别新息的特点新息的含义就是最新信息以当日最新获得的负荷数据作为历史数据的一部分，对待预测日进行预测

25预测算法机理分析外推法算法机理分类直接外推法分解外推法常规影响非常规影响相关因素法26序列分析、趋势外推方法历史规律外推方法的基本原理（三步法）外推的分类直接外推方法分解外推历史规律分析建立数学模型外推预测27直接外推方法直接外推的原理：负荷规律

负荷预测直接外推的方法列举：点对点，一元线性回归……28点对点倍比法预测思路

待预测日某时刻的负荷预测值由与其相关的近期各日同一时刻的负荷值的一次指数平滑结果得到。预测步骤求取第一周期t时刻历史相关负荷的平滑值A1t

求取第二周期t时刻历史相关负荷的平滑值A2t取第一周期中同类型日t时刻的值P1t待预测日t时刻值29回归分析法概述：回归分析就是寻找因变量y与自变量x之间存在着的相关关系及回归方程式y=f(S,X)分类：一元线性回归；多元线性回归；一元非线性回归；多元非线性回归30分解外推方法基值和标幺的解耦算法基值和标幺曲线分开预测

形状&负荷水平模型适应性常用算法：倍比平滑法，重叠曲线法，变化系数法……频域分解算法负荷=周周期变化成分+日周期变化成分+其他数学原理：离散序列的傅立叶分解负荷规律性分析&预测子网累加法31倍比平滑法预测思路：待预测日的标幺负荷曲线可由相关负荷集合的标幺曲线的逐点平滑结果得到，而相应的基值由其前一周期的倍比关系预测。基本数学原理：（1）标幺曲线预测：（2）基值预测：倍比预测，类似点对点倍比（3）预测曲线有名化：物理意义：96点负荷是由标幺曲线和电量共同决定的峰、平、谷均可作为基值，视每个值的稳定性而定32重迭曲线法基本原理物理意义：标幺曲线和电量分开预测延伸重迭部分决定电量水平相对准确33频域分量法频域分量法关键点：傅立叶分析+剩余分量建模原理的举例说明：利用日分量和周分量直接取得基准值，然后对低频分量进行建模和外推预测，最后叠加得到整体的负荷预测结果。

35子网累加预测技术上级单位负荷与各下级单位负荷之和具有较稳定的比例关系子网累加法是利用各下级单位上报的负荷预测数据，根据比例关系，形成上级单位负荷预测数据。该方案的核心思想是，充分利用各个下级单位的信息，并充分利用各个下级单位预测偏差可能相互抵消。36负荷预测的常规影响因素影响因素温度天气类型湿度降雨/降雪日类型风速37相关因素处理策略问题的提出相关因素对短期负荷的影响具有相似性、实时性以及隐含性如何对影响负荷的相关因素的影响进行量化基本相关因素指标化分类为定量的指标：日类型、天气类型等原始定量指标：最高、最低、平均温度、风速、湿度等相关因素量化的基本思路需要把不同因素值影射到一个可以相互比较的区间内映射函数的表示把不同因素值映射到一个可以相互比较的区间内，如：（0,1）用一个映射函数对各因素对各日的负荷的影响量化.例如：（星期四，晴，35摄氏度…）=>（0.25,0.12,0.88…）38相关因素处理策略特征量名称特征量描述映射前取值映射后取值日类型星期一10.10日类型星期二20.15日类型星期三30.18…………最高温度28摄氏度280.20最高温度33摄氏度330.58最高温度35摄氏度350.88…………39气象相关性——灵敏度分析灵敏度分析法，旨在对气象电力数据进行一元相关建模分析，提供电力指标随气象指标变化规律的量化分析结果。灵敏度分析内容灵敏度指数

——反映电力指标随气象指标变化的曲线的斜率变化量

——反映单位气象指标变化时，电力指标变化的程度拟合值

——反映当气象指标取某一数值时，对应电力指标的对应值40相关因素影响负荷的基本规律平均温度在10-25度之间

日类型、平均温度平均温度在25-29度之间

日类型、平均温度、最高温度平均温度在30-36度之间

日类型、平均温度、最高温度、湿度平均温度低于10度

日类型、平均温度、最低温度

夏季普遍应考虑降雨，对于小水电较多的地区一定要考虑降雨41差异度与相似度差异度描述任意两日由于相关因素的差别而表现出的差异程度

相似度它描述两天之间相关因素的接近程度。

42考虑相关因素的算法基于相关因素映射库相似度外推，相关因素匹配法，模式识别方法智能寻优算法

人工神经网络法43模式识别法预测思路利用各日负荷的相似度不同加权平均。预测步骤求取历史各日与待预测日的相似度相似度归一化根据相似度加权平均44相似度外推法预测思路通过外推直接量化后的气象因素与负荷之间的变化关系，利用相似度进行加权预测。预测步骤求取历史各日与待预测日的相似度根据相似度，将每个直接量化的气象因素与负荷做一元加权线性回归根据气象因素的主导程度做加权预测45相关因素匹配法预测思路找到过去一年内对应时间段内，相似度最高的一天，并按照某种方式简单映射，得到待预测日负荷。预测步骤求取一年内历史各日与待预测日的相似度找到相似度最大的一天，作为基值根据确定的最大相关天数，求负荷的增长系数利用基值与增长系数求取预测负荷46神经网络预测技术

可以模仿人脑的智能化处理对大量非结构性、非精确性规律具有自适应功能具有信息记忆、自主学习、知识推理和优化计算的特点其自学习和自适应功能是常规算法所不具备的47相关因素对电力负荷的影响途径

总用电负荷=网供/统调负荷+非统调负荷相关因素并不是直接影响“统调负荷”或“网供负荷”，而是首先对总用电负荷和非统调负荷产生影响

48其他影响因素影响因素小火电小水电风电大用户自备电厂49相关因素对供应侧和需求侧的影响

需求侧：气象因素造成的负荷变化；大用户用电的非计划性造成负荷的变化供应侧：小水电、小火电、自备电厂等类型发电资源对电网造成的影响较大50相关因素的处理方式

隐性处理方式直接建立统调负荷关于影响因素的相关关系，进行分析预测。显性处理方式首先建立总用电负荷关于影响因素的相关关系；其次建立非统调负荷关于影响因素的相关关系，最后还原统调负荷。51负荷预测算法的新进展偏差控制和反馈

——闭环反馈&智能控制相关因素指标的引入

——综合气象指标&负荷变化分析52时间维度：虚拟预测

实际预测＋一次预测二次预测叠加结果历史数据输入＋最优判断or计数判断预测结果输出一次常规预测虚拟预测的偏差分析反馈偏差估计算法的建模和调整偏差补偿预测的反馈机制53相关因素指标分析方法WTHI（WeightedTemperatureandHumidIndex）人体舒适度D相关因素

单一指标

回归计算负荷特点物理意义明确综合考虑相关因素项目应用54内容提要短期负荷预测算法分析短期负荷预测概述负荷预测分类和基本原则重要的预测策略55重要的预测策略与思想虚拟预测新息综合模型自适应训练56新息算法新息思路具体实施（1）现有算法基础上改变日的界限（2）良好的数据整理和分析工具

57虚拟预测+自适应训练基本思想物理意义（1）综合=稳定+统计意义最优（2）虚拟预测——模拟考试（3）自适应——程序自动选择最优参数

58短期负荷预测综合模型综合模型 把参与综合模型的几种单一预测模型的预测结果依据一定的原则优化加权组合的综合预测方法加权方式等权重方式——所有方法权重相同方差分析方式最优权重方式59综合模型预测用前述虚拟预测训练的权重组织各方法的预测结果两种综合方式：综合方式之一：各权重的选定只依赖于方法，不依赖于各日各点。当确定各种方法在综合模型中的权重后，每个点均取这一权重进行加权。综合方式之二：按各点分别建立综合模型，即各种方法的预测结果在每个时刻的权重均不同。60短期预测方法总结-一体化流程数据采集和整理数据规律分析相关因素分析选择预测方法库偏差反馈控制初始预测结果最终的预测结果61预测过程控制技术预测开始前：策略选择：用户对预测项可自行选择预测策略（预测方法）分析参考：可随时查阅历史数据和各种相关数据的统计分析结果，为选择何种预测方法提供可供参考的依据计算控制：可随时指定各种预测方法的计算控制参数(也可以使用系统默认的预测参数)，从而控制预测计算的过程。预测结束后：考虑到突变因素等，可对预测结果展开预测修正。62致谢

谢谢！63虚拟预测虚拟预测：对已知的历史负荷做虚拟的预测；64方差分析方式分析思路根据虚拟预测的结果和实际的历史数据的误差，确认模型所取的权重大小分析过程利用相似度对虚拟预测误差进行加权归一化后得到对应的权重误差越大，权重越小65最优权重方式分析思路使综合预测结果与实际数据的差别达到最小时各方法所取的权重称为最优权重分析过程以残差平方和最小为目标66关于预测算法，下列描述正确的是【单选】（）A.我们总是应该筛选出最好的一个方法来进行最后的预测。B.如果选择的预测模型中，偏低的占多数，那么综合结果也会偏低。C.即使选择的预测模型中，偏低的占多数，综合结果也未必偏低。67